全球L4级自动驾驶大规模商业化落地的时间点延迟，直接导致部分核心传感器面临市场不确定性风险。这其中，受影响最大的就是激光雷达。
对于仍然处于成本、性能以及车规级可靠性验证阶段的激光雷达来说，需要尽快寻找新的细分市场来解决当前“雷声大、雨点小”的困境。
突破点来自于处于量产爬坡阶段的高级别自动驾驶市场，L3就是第一步。由于该级别自动驾驶需要系统对驾驶责任负责，安全冗余至关重要。
L3及以上，激光雷达不可或缺
与基于视觉和毫米波雷达的常见ADAS感知组合相比，激光雷达的补充可以提供高精度、高准确率的目标检测和识别，尤其是在具备横向控制能力的L2+及L3级别非常重要。
毫米波雷达的水平和垂直分辨率都很低，在实际使用中存在较多的误报和漏报情况。此外，对于静止物体以及和本车垂直的横向移动物体检测，存在一定缺陷。这也是为什么很多搭载紧急制动系统的车辆有时会撞到停在路边的车辆或者其他固定障碍物。
此外，目前的毫米波雷达，无法对路上的小体积障碍物及行人进行有效探测。从与视觉融合的角度来说，仍然存在一些场景的限制。
从安全角度，感知系统必须检测所有的障碍，并试图识别它们。需要测量它们的速度和方向，并预测它们前进的方向。这是一个非常具有挑战性的问题。
特斯拉的自动驾驶系统一直以来以摄像头、毫米波雷达等传统的传感器为主，激光雷达未成为该系统技术中的选项。对于激光雷达马斯克一直抱有“成见”，无法量产、成本高昂等多方面因素造成激光雷达上车难，但结果就是，更高级别的自动驾驶系统无法获得满意的感知结果。
据美联社报道，近日一辆2019款特斯拉Model S驶离加州高速公路时，闯红灯撞上了一辆本田思域，导致两人死亡，两人受伤。美国国家公路交通安全管理局发言人证实，该机构正在调查这起事故。
在特斯拉首席执行官埃隆·马斯克计划推出完全自动驾驶汽车前，涉及特斯拉的三起撞车事故导致三人死亡，使得该公司的自动驾驶系统受到了越来越多的安全审查。
目前，主流的视觉类感知系统出错的两种主要情况，分别是假阴性（漏报）和假阳性（误报）。假阴性并不能探测到障碍。如果它发生的时间太长，你可能无法安全地避开障碍物。
假阳性意味着系统会“看到”一个并不存在的障碍，这将导致车辆猛踩刹车或急转弯。如果前后车辆较多，也会导致事故。今年以来，出现的量产车AEB故障大多数属于这种情况。
与上述相关的是错误的分类。这可能意味着把一个骑自行车的人当成一个行人，或者把两辆摩托车当成一辆。此外，你可能会错误地预测它的运动轨迹。
如果摩托车在路口以高速接近自动驾驶汽车，除了摄像头和雷达外，还需要激光雷达，以确保对两轮车的可靠感应。在这种情况下，雷达可能很难检测到自行车的狭窄轮廓和塑料整流罩。此外，摄像头总是会被刺眼的光线“致盲”。
因此，激光雷达有潜力大幅度提高今天高级别自动驾驶系统的感知性能不足。当然，近年来很多毫米波雷达厂商也在研发类似的点云、高分辨率方案，但现在很难说是激光雷达先降成本还是高分辨率雷达先量产。
但客观说，对于视觉性能极限值的突破，远比激光雷达的成本下降难得多。特斯拉的做法，是长期积累的深度学习实践以及自主研发的自动驾驶芯片，同时基于真实车主的行驶里程数据。在这一点上，全球几乎没有其他车企能够短期内赶上。
解决视觉问题，是一个非常艰巨的任务。从99%到99.99999%的准确度是一个漫长旅程。马斯克认为，这需要高超的、近乎完美的计算机视觉来处理感知。接近完美的视觉没有激光雷达，或高性能激光雷达加上非常好的视觉，这是个问题。
在这一点上，作为全球汽车零部件厂商的领头羊，博世给出了自己的答案。
在CES前夕，博世公司发言人乔恩·埃伯伯格（Joern Ebberg）表示：“在实现安全的自动驾驶之前，除了摄像头和雷达之外，还需要第三种传感器。” 同时，该公司宣布自主研发的激光雷达正在进入量产开发阶段。
“这种基于激光的测距技术对于SAE 3至5级驾驶功能必不可少。”博世的“站队”，意味着具有远距离、宽视角、高分辨率的激光雷达成为L3级以上自动驾驶系统所必须的基本感知条件。
如果想要在未来几年真正量产安全的L3级自动驾驶系统，配备具备这些特质的激光雷达，将成为衡量系统可靠性的关键标准之一。
超高分辨率+自适应区域精准感知
Innovusion创始人兼CEO鲍君威表示，激光雷达需要具备宽视角、超高分辨率以及超过150m的距离，才能有效应对L3场景下高速公路、城市道路中对远距离障碍物、交叉路口行人等的精准探测。
在CES期间，Innovusion推出了新的专门面向高级别自动驾驶的猎鹰（Falcon）激光雷达，该系统由定制的电子探测技术、先进的光学和复杂的软件算法融合在一起，实现实时聚焦的“鹰眼仿生”功能，自底向上设计，以满足汽车L3/L4/L5级自动驾驶系统的高要求。主要的特点是超高分辨率、宽视角、远距离探测障碍物。
猎鹰是一款专门面向汽车级量产应用的激光雷达，因此在零部件上选择了符合车规、可靠性、耐高低温等车规级的元器件，同时在成本上做到了很好地把控。未来在大规模量产的过程中，预计会在$500-1000的价格水平。
同时，Innovusion也是全球首个发布ROI（精准感知区域） feature的激光雷达，填补了自动驾驶系统中从ADAS向更高级别自动驾驶跨越的技术空白，能够切实减少漏检率、误检率。
凭借10-30帧每秒、110度x 30度的视场角，以及业界目前最高的可在整个视场实现的0.07度垂直和水平分辨率，猎鹰激光雷达将使自动驾驶系统能够在更远的距离捕捉复杂的视觉效果，并满足之前不可能实现的感知软件开发需求。
基于1550nm激光器，猎鹰激光雷达能够穿透大雨，智能地引导焦点进行有效的物体感知和同步定位和绘图(SLAM)，并且能够可靠地探测到远处的非常小的障碍物。
实际表现方面，这款激光雷达将超远程检测与图像级分辨率相结合，在120米外的行人身上获得40个点的检测细节，同时在整个110度的视野中保持高帧率和高分辨率。
此外，该激光雷达可以在不牺牲整个视觉范围的细节和清晰度的情况下对目标进行精确定位。
激光雷达同其它传感器一样，通常也有视角跟探测距离之间的背离关系，即无法同时具备远距离和宽视角探测的能力。对于感知技术而言，不能兼而有之使得系统在不同的场景下感知能力受限。
区别于机器，人类在观察环境的时候，往往会自动对焦，即根据需求灵活观察远近，左右的环境，调整眼睛的聚焦。
鲍君威表示，猎鹰激光雷达采用了独有的系统设计和算法，模仿人眼仿生学的功能，也能做到根据感知需求来调整感知范围。既能兼顾超远探测距离的精密感知，也能拥有灵活及非常广的视场角。
相比人眼机械式的感知环境，猎鹰能够更灵活、敏捷的切换远近视角以及分辨率，快速精准获取到当前最有价值的环境信息。
RoI在每一帧都可以去动态调节，同时处理数据方面也是定向处理聚焦点数据，保证高效实时得到结果，与鹰的眼睛非常类似，也因此这款激光雷达被命名为猎鹰。
这样做的好处不仅让激光雷达有了更强的场景感知适应性，同时也能大大减轻处理器对数据的处理负担。而传统的激光雷达不加区分地从车辆周围环境收集千兆字节的数据，将这些数据输入发送到计算平台进行抽取和解释。估计有70%到90%的数据被发现是无用的或冗余的，并被丢弃。
众所周知，激光雷达是通过对环境进行扫描生成的致密点云得到周围环境信息，高分辨率意味着产生大量的实时数据，对于处理器和数据传输网络而言是一个不小的负担。
而在实际的场景感知中，并不需要时刻对远近、宽视角的环境进行扫描，因此根据感知需求定向、分区域的进行高分辨率感知，不仅能减轻处理器负担，同时还能节省带宽、降低功耗。
在实际的场景测试中，猎鹰激光雷达的单帧数据（下图一）在八九十米以外整个视场已经有很高的分辨率。在视场的左下角，可以看到虚线框里的分辨率比周边要高近10倍，这样可以保证看到障碍物和行人在远距离的细节。
此时，激光雷达可以根据系统感知需要，将高密聚焦的探测区域向右边移动（下图二）。这意味着激光雷达的动态感知成为可能，允许系统以前所未有的速度关注并收集有关特定区域的更全面的数据。特定区域和目标的高分辨率允许系统搜索整个场景并获取多个目标，捕获关于它们的额外信息。
比如，系统在车辆行驶路径上遇到一个乱穿马路的行人。由于激光雷达能够在感兴趣的区域内实现时间和空间采样密度的动态场景自适应变化，因此可以将更多的注意力集中在这个行人身上，而较少关注无关信息，如路边停放的车辆。
而传统的激光雷达扫描以恒定的模式和均匀的功率进行，收集能力有限，更多基于假设场景中的信息在空间和时间上是一致的。结果就是造成扫描的低效。
鲍君威表示，猎鹰激光雷达具有灵活可集成的特性，核心器件体积较小，方便客户在汽车的各个位置安装使用，并与车身进行高度集成。“目前猎鹰激光雷达的原型开始给自动驾驶和汽车行业用户演示及收集定制化需求，并准备同OEM以及Tier1合作，将其推向产品化。也相信，激光雷达将会在未来L3及以上自动驾驶量产应用中，得到正名。”